Zugangsvoraussetzung
Notwendig sind grundlegende Kenntnisse der Linearen Algebra, Analysis, Statistik und Programmierung sowie nachgewiesene Kenntnisse des Englischen auf dem Niveau B2 des „Gemeinsamen Europäischen Referenzrahmens“ (GER) oder alternativ mindestens sieben-jähriger aufsteigender Englischunterricht an einer allgemeinbildenden Schule.
Darum geht es in diesem Fach
Der Masterstudiengang Data Science verfolgt einen interdisziplinären Ansatz, denn datengesteuerte Lösungen werden in einer Vielzahl von Bereichen und Branchen angewendet. Durch die Kombination aus Statistik, Informatik, Mathematik und fachspezifischem Wissen vermittelt der Studiengang die Werkzeuge und das Fachwissen, um Lösungen für komplexe Probleme in verschiedenen Bereichen wie Gesundheitswesen, Finanzen, Wirtschaft, Ingenieurwesen und Sozialwissenschaften zu erarbeiten.
Das erwartet Sie im Studium
Pflichtmodule
- Mathematics of Artificial Intelligence
- Machine Learning
- Fundamentals of Artificial Intelligence and Data Science
- Databases
- Bayesian Modelling
- Interdisciplinary Data Science
- Interdisciplinary Projects
- Masterarbeit
Wahlpflichtmodule
- Deep Learning and Generative Artificial Intelligence
- Machine Learning for Time Series
- Fundamentals of Natural Language Processing
- Software Engineering for Data Science
- Bayesian Econometrics
- Computational Physics
- Multivariate Statistics
- Data Structures and Efficient Algorithms
- NoSQL Databases
- Natural Language Processing
- Software Engineering
- Biometry
- Algorithms and Programming
Studierende dürfen andere an der Mathematisch-Naturwissenschaftlichen Fakultät oder an anderen Fakultäten der Universität angebotenen Module belegen, sofern sie einen Bezug zu Data Science haben.
Absolvent*innen dieses Fachs
verfügen über vielfältige Kenntnisse, die sie auf eine Tätigkeit in der Wissenschaft, in Forschungsinstituten oder bei Technologieunternehmen vorbereiten.
Mögliche Beschäftigungsbereiche sind u.a.
Optimierung der Gesundheitsversorgung, Vorhersagen von Krankheiten, Arzneimittelentwicklung;
Studien zum Klimawandel, nachhaltige Entwicklung, Energieoptimierung;
KI in Bildung;
Natürliche Sprachverarbeitung, intelligente Lehrsysteme oder Empfehlungssysteme;
Entwicklung intelligenter Systeme, Stadtplanung oder landwirtschaftliche Optimierung;
Computergestützte Biologie und Bioinformatik;
Computergestützte Sozialwissenschaft.